RthItalia/Rth-lm-code-25b

💻 RTH-Code 25B — Code Specialist Soul

"L'intelligenza è nell'architettura, non nelle GPU."
Questa è la Soul Specialista per il Codice dell'ecosistema RTH-LM (V4 Architecture). Stesso Genome (7B) di base, ma con una "anima" addestrata per programmare (basata su V4 Expanded).

⚠️ PROOF OF CONCEPT ⚠️ Questa è una versione BASE creata per dimostrare l'efficienza scalare dell'architettura RTH-LM.

• Tempo di Training: Solo 8 ore su singola A40.
• Dataset: Solo 5GB di codice misto (Python, JS, C++, Go).
• Obiettivo: Dimostrare che un Genome congelato può apprendere skills verticali complesse in tempi record.

---

⚡ Che cos'è?

RTH-Code 25B non è un modello a sé stante. È una Soul intercambiabile. Invece di scaricare un modello da 30GB per ogni task, mantieni il Genome congelato (7B) e cambi solo la Soul (~3.8GB).

Questa Soul è stata addestrata specificamente su:

• Python (Data Science, Backend, Torch)
• JavaScript/TypeScript (React, Node)
• C/C++ (Systems programming)
• Rust/Go

graph TD
    G["Genome 7B<br/>(Frozen Core)"]
    G --> SC["🔹 Soul CODE<br/>Specialista V4 (25B)"]
    G --> SG["Soul Generalista<br/>Chat & Knowledge V4"]
    G --> SL["Soul Legal/Medical<br/>(Future)"]

Basta swappare i file .pt (o usare il GGUF unificato) e il tuo modello passa da "filosofo" a "senior engineer" in millisecondi.

---

📊 Specifiche Tecniche

Feature	Dettaglio
Architettura	Fractal Gated Causal TCN (No Attention) - V4 Enhanced
Parametri Totali	25B (Genome + Soul V4 Expanded)
Dimensione Soul	~3.8GB (LoRA Rank 512, ~950M params)
Dataset Training	5GB (Misto: Python, JS, C++, Go)
Tempo Training	8 ORE (Singola Epoch) ⏱️
Contesto	2048+ (Teoricamente infinito grazie a TCN)
Loss Finale	1.20 ✅
Hardware	Addestrato su singola NVIDIA A40 (48GB)

---

🛠️ Quickstart

Opzione 1: GGUF (Consigliata per Ollama/llama.cpp)

Scarica rth_lm_25b_code.gguf da questo repo.

# Esegui con llama.cpp
./llama-cli -m rth_lm_25b_code.gguf -p "def fibonacci(n):" -n 200

# Oppure con Ollama (crea Modelfile)
# FROM ./rth_lm_25b_code.gguf
# SYSTEM "You are an expert coding assistant."

Opzione 2: Python (Original PyTorch)

Se hai già il repo ZetaGrid:

from ZETAGRID_INFERENCE import ZetaGrid25B

# Carica il Genome base
model = ZetaGrid25B("zetagrid_25b_production.npy")

# Inserisci la Soul del Codice
model.load_soul("zeta25b_code_FINAL.pt")

print(model.generate("def quicksort(arr):"))

---

🧪 Performance & Capability

RTH-Code eccelle in:

1. Code Completion: Autocompletamento intelligente di funzioni e classi.
2. Refactoring: Riscrittura di codice legacy in clean code.
3. Docstrings: Generazione automatica di documentazione.
4. Unit Tests: Scrittura di test pytest/unittest.

Nota: Essendo un'architettura No-Attention (TCN), ha un overhead di inferenza bassissimo e scala linearmente O(N) con la lunghezza del contesto.

---

📜 Licenza & Uso Commerciale ⚠️

ATTENZIONE: QUESTO MODELLO NON È OPEN SOURCE COMPLETO.
È rilasciato sotto licenza CC BY-NC 4.0 (Creative Commons Non-Commercial).

✅ Cosa PUOI fare (Gratis):

• Ricerca accademica e personale.
• Test e valutazione locale.
• Uso hobbyistico e no-profit.
• Condividere i risultati citando l'autore.

❌ Cosa NON PUOI fare (Senza Licenza Commerciale):

• Usare il modello in azienda per qualsiasi scopo (interno o esterno).
• Integrare il modello in prodotti o servizi a pagamento.
• Offrire API o servizi cloud basati su questo modello.
• Qualsiasi attività che generi revenue diretta o indiretta.

📞 PER USO COMMERCIALE (Enterprise / Startup): Devi ottenere una licenza commerciale da RTH Italia. Contatto diretto: info@rthitalia.com

---

📄 Citazione

Prodotto da RTH Italia (Research & Technology Hub).
Autore: Christian Quintino De Luca.

Per citare il paper originale: 📖 RTH-LM: A Fractal Temporal Convolutional Language Model

@techreport{deluca2026rthlm,
  author      = {De Luca, Christian Quintino},
  title       = {RTH-LM: A Fractal Temporal Convolutional Language Model},
  institution = {RTH Italia (Research & Technology Hub)},
  year        = {2026},
  url         = {https://github.com/rthgit/ZetaGrid},
  doi         = {10.5281/zenodo.18622610},
  note        = {Non-commercial license. Contact RTH Italia for commercial use.}
}

---

Costruito per dimostrare che l'efficienza batte la forza bruta.
RTH Italia